视频作为一种最常见的媒体信息目前已在各个领域都得到广泛的应用,与之相关的技术也在不断地发展更新,其中对视频中的某些物体进行消除也逐渐引起重视,并用于处理影视制作、视频合成等视频编辑任务,成为计算机视觉领域的主要研究问题之一。物体消除作为视频修复问题的一个子任务,目前还未获得足够多的关注,现有的工作也是将其直接视为补全问题进行相关处理。消除与补全的不同之处在于,消除需要相应的掩码来指示物体位置,否则会导致消除不彻底、视觉效果差等问题,然而目前公开的数据集并不包含此类掩码信息。并且对于物体消除任务来说,物体在视频的位置和形状具有一定的随机性,因此视频中存在大量的有效信息可用于消除后的破损修复,但是现有的工作中并未对这些信息进行充分利用。本论文从视频中的字幕消除出发,拓展到对视频中其他物体的消除问题,并进行了深入的研究,提出了相应的消除算法,主要研究内容可归纳如下:（1）本文提出了一种基于帧间注意力机制的视频中字幕去除算法,由字幕掩码提取网络和字幕去除网络构成。字幕掩码提取网络主要使用语义分割网络对视频中的字幕和背景进行准确的提取,字幕去除网络则使用编码-解码的结构,并对视频中的字幕进行实时去除。网络在掩码的指示下使用帧间注意力机制将视频中有效信息进行融合用于被字幕遮挡区域的重构。大量的实验表明,本文提出的字幕去除算法可以实时、准确地去除视频中的字幕,并且去除效果优于最新算法。（2）基于字幕消除算法,本文还提出了一种基于多尺度帧间注意力机制的视频补全算法。该算法使用生成式对抗网络的结构,生成器中使用两种不同的帧间注意力机制对视频帧各个维度下的特征进行帧间有效信息的充分融合,判别器则使用SN Patch GAN的结构,对补全结果进行全面的约束。该算法不仅可对视频中缺失区域进行补全,还可根据物体的掩码对其进行消除,并取得与目前最新的补全算法可媲美的结果。